गोपनीय डेटा प्रक्रियेसाठी Google लायब्ररी कोड उघडतो

Google प्रकाशित लायब्ररी स्त्रोत कोड "भिन्नता गोपनीयता» पद्धतींच्या अंमलबजावणीसह भिन्न गोपनीयता, वैयक्तिक रेकॉर्ड ओळखण्याच्या क्षमतेशिवाय पुरेशा उच्च अचूकतेसह डेटा सेटवर सांख्यिकीय ऑपरेशन्स करण्यास अनुमती देते. लायब्ररी कोड C++ आणि मध्ये लिहिलेला आहे खुले आहे Apache 2.0 अंतर्गत परवानाकृत.

विभेदक गोपनीयता पद्धतींचा वापर करून विश्लेषण संस्थांना सांख्यिकीय डेटाबेसमधून विश्लेषणात्मक नमुने बनविण्याची परवानगी देते, त्यांना डेटा वेगळे करण्याची आणि सामान्य माहितीपासून विशिष्ट व्यक्तींचे पॅरामीटर्स वेगळे करण्याची परवानगी न देता. उदाहरणार्थ, रूग्ण सेवेतील फरक ओळखण्यासाठी, संशोधकांना अशी माहिती प्रदान केली जाऊ शकते जी त्यांना रूग्णांच्या रूग्णालयात राहण्याच्या सरासरी लांबीची तुलना करू देते, परंतु तरीही रूग्णांची गोपनीयता राखते आणि रूग्णांची माहिती हायलाइट करत नाही.

प्रस्तावित लायब्ररीमध्ये गोपनीय माहितीचा समावेश असलेल्या संख्यात्मक डेटाच्या सेटवर आधारित एकत्रित आकडेवारी तयार करण्यासाठी अनेक अल्गोरिदमची अंमलबजावणी समाविष्ट आहे. अल्गोरिदमचे योग्य ऑपरेशन तपासण्यासाठी, ते प्रदान केले आहे स्टोकास्टिक प्रोब. अल्गोरिदम तुम्हाला डेटावर बेरीज, मोजणी, सरासरी, मानक विचलन, फैलाव आणि ऑर्डर आकडेवारी ऑपरेशन्स करण्यास परवानगी देतात, ज्यामध्ये किमान, कमाल आणि मध्यक ठरवणे समाविष्ट आहे. त्यात अंमलबजावणीचाही समावेश आहे लॅप्लेस यंत्रणा, ज्याचा वापर पूर्वनिर्धारित अल्गोरिदमद्वारे समाविष्ट नसलेल्या गणनेसाठी केला जाऊ शकतो.

लायब्ररी एक मॉड्यूलर आर्किटेक्चर वापरते जी तुम्हाला विद्यमान कार्यक्षमता विस्तृत करण्यास आणि अतिरिक्त यंत्रणा, एकत्रित कार्ये आणि गोपनीयता स्तर नियंत्रणे जोडण्याची परवानगी देते.
PostgreSQL 11 DBMS साठी लायब्ररीवर आधारित तयार भिन्न गोपनीयता पद्धती वापरून अनामित एकूण कार्यांच्या संचासह विस्तार - ANON_COUNT, ANON_SUM, ANON_AVG, ANON_VAR, ANON_STDDEV आणि ANON_NTILE.

स्त्रोत: opennet.ru